数据生态建设需长期主义思维看两会⑦｜统筹布局完善数据交易市场生态建设

　　2022年政府工作报告强调，完善数字经济治理，释放数据要素潜力，更好赋能经济发展。数据已成为等同于技术、资本、土地和劳动力的生产要素，加快推进数据要素市场建设也成为今年全国表委员讨论的热门话题。数据交易中心（平台、所）是数据要素汇集、流通、交易的重要平台，已成为数据互联互通的新型基础设施。但当前数据交易中心建设仍面临诸多堵点，规范、活跃、有序的数据交易市场是未来发展数字经济的重要引擎。

　　整体来看，国内数据交易市场仍处于建设阶段向探索阶段的过渡期，存在较为突出的不平衡不充分问题，部分表更是直接点出“数据交易中心要避免重复建设、一窝蜂”。

　　一是数据交易中心（平台、所）数量多，但定位不清和重复建设问题严重。自贵阳大数据交易所成立以来，各地政府和企业加速布局数据交易中心，以期推动数据交易变得透明化、合法化、规范化。截至目前，全国已有超过三十家数据交易中心，但存在重复建设、各自为战、交易模式混乱等突出问题。数据交易中心多集中建设在沿海发达地区和中部省市，形成了多个分割市场，各交易市场之间数据流动性和融合度较低，导致交易频次低、交易混乱等现象，难以充分发挥数据交易中心的功能优势。这也使得很多数据交易中心已停止运营或转变方向，目前能够持续运营三年以上的交易中心十分有限。

　　二是数据交易市场增速快，但场内交易规模不大，场外交易频发。On Audience平台统计显示，中国数据市场增长率在全球领先，2021年增长率预估在35%。但数据市场规模较小，仅占美国的23%。市场中的数据多为个人数据，随着大量互联网企业对个人信息的收集和“精准画像”，大量数据通过场外“黑市”完成交易，进一步限制了正规数据交易市场的交易规模。贵阳大数据交易所在成立之初宣称未来3到5年日交易金额将达到100亿元，并在随后的几年里将目标从“日交易额100亿元”降至“全年力争突破亿元”，但这个目标目前也很难实现。

　　一是确权难、定价难、互信难、入场难、监管难的“五难”问题短期内难以真正解决。上海数据交易所在2021年推出“五首发”聚焦“五难”关键共性难题，但目前各交易中心的规则标准不统一，叠加“五难”的机制性难题，解决“五难”问题尚需时日。

　　第一，确权难。国内还没有明确的确权机构，数据控制权和使用权的边界尚未厘清。第二，定价难。数据价值存在复杂性和不确定性，数据产品的估值与定价缺乏规律，国内外数据交易中心定价规则混乱。第三，互信难。数据跨部门、跨区域、跨境互信存在难题，互信机制很难形成。第四，入场难。场外数据规模显著高于场内，场内数据产品较为单一，部分数据控制者宁愿“将数据锁着，让数据躺着”。第五，监管难。数据交易行为的监管涉及发改、工信、商务、网信、证监、市场监管等多个部门，但目前尚未成立专门的数据交易监管机构，国家和地方层面的监管主体和职责也尚未明确。

　　二是数据“烟囱”限制了数据流通。数据价值的关键在于流通，但数据市场的部门壁垒、区域壁垒和产业壁垒突出，“数据碎片”“数据孤岛”长期存在，尤其是政府公共数据“有数据无价值”“有数据不流通”问题严峻。中国证监会原主席肖钢援引数据指出，我国政府数据、公共数据占整个数据量的比重达到70%-80%，但这类数据的开放共享程度不高，全国开放数据集规模仅约为美国的11%。

　　三是相关法规偏重于约束，对数据应用的促进程度不高。2015年9月，国务院印发《促进大数据发展行动纲要》，提出要引导培育大数据交易市场。《网络安全法》《数据安全法》和《个人信息保护法》等法规，划定了国家安全、商业机密、个人隐私“三条红线”。国务院《要素市场化配置综合改革试点总体方案》提出，建立健全数据流通交易规则，探索“原始数据不出域、数据可用不可见”的交易范式。《浙江省数字经济促进条例》《广东省数字经济促进条例》《上海市数据条例》《深圳经济特区数据条例》等地方文件先后出台，探索对数据权属进行分类，在分类的基础上筛选可进行商业化、交易的数据。但从促进数据应用的角度来看，目前尚未出台专门的法律法规，尚未明确数据交易和数据应用的场景。

　　一是数据经纪产业（Data Broker）发展模式。数据经纪商、数据经纪人是指为将用户信息二次出售给具有多种目的的客户，而通过各种渠道收集消费者个人信息的企业或组织。美国数据经纪产业收集数据的重心在于人口统计信息，主要提供市场营销产品、风险降低产品以及人员搜索产品。为约束数据经纪人滥用个人信息行为，美国正筹划出台《删除法案》。2021年12月9日，《广州市海珠区数据经纪人试点工作方案》正式印发，这也是全国范围内首次探索建立数据经纪人制度。

　　二是数据信托（Data Trust）模式。目前主要有两种美国和英国的两种模式。美国信息受托人模式是给数据控制者增加特殊的信托义务，来平衡数据控制者和数据主体之间的不平衡权力结构。英国数据信托模式是在数据控制者和数据主体之间建立第三方机构，即数据信托，通过受托人来管理数据。

　　三是开放银行（Open Banking）模式。开放银行最早由英国在2015年提出，是通过开放API技术手段实现银行数据与第三方服务商共享的商业模式。开放银行发展是银行数字化转型的方向之一，在带来利好的同时，也存在较大的数据安全隐患。各国在积极推动开放银行的同时，也出台了多项监管政策和法规。

　　四是科技龙头企业数据交易平台模式。基于自身的技术和数据资源，欧美很多科技龙头企业构建了自己的数据交易平台，继而打造独立的数据要素生态。如，亚马逊市场网络服务（AWS）通过自身技术打造Data Exchange，组建了包含数据发布、数据存储、数据下单订阅、数据服务计费和授权的“一站式”的数据交易生态。

　　一是统筹布局数据交易平台建设。加强顶层设计，打造“全国市场+地方市场”结合模式。成立全国性数据交易平台，制定统一的数据交易市场规则及标准，覆盖数据交易撮合、交易监管、资产定价、争议仲裁、交易服务生态打造等全流程。在京津冀、长三角、粤港澳大湾区、成渝等地建设区域性数据交易中心，整合区域内数据资源，加强与国家数据交易平台的整体联动，提高数据利用效率和数据交易规模。

　　二是健全数据交易和资产流通的相关法律法规。推动数据确权立法，研究制定《数据产权法》《数据交易法》，规范数据交易范围、定价机制、利益分配机制和监管机制。出台中国版“数字守门人”制度，明确超级平台、大型平台、中小平台的标准和义务。

　　三是打造“数据全球化”流通体系。借鉴欧美模式，积极培育从事合规评估、经纪撮合及数据交付等业务的数据经纪商，支持发展数据信托和开放银行等业务。探索“数据特区”模式，鼓励深圳、海南等地探索数据跨境交易，促进跨境数据要素流通，有力支撑对外开放的跨境数据需求。

　　四是构建统一数据监管机制。结合“东数西算”布局，成立全国层面的数据监管机构，构建发改、工信、商务、网信、证监、市场监管等多部门协作的监管机制，统筹数据交易相关部门的管理职责。

　　五是完善数据供需匹配机制。加快数据产品标准化进程，确保数据可追溯、质量有保障。推动政务数据公开，发挥数据基础设施作用，提高公共数据的利用率。鼓励科技龙头企业作为数据生产者和运营商进场交易，促进商业数据流通和应用，提高市场需求的匹配度。深挖数据要素应用场景，用数据赋能传统产业转型升级。强化数据安全保护，根据数据分级对数据进行强制加密，加快发展数据安全行业。

　　本文为澎湃号作者或机构在澎湃新闻上传并发布，仅代表该作者或机构观点，不代表澎湃新闻的观点或立场，澎湃新闻仅提供信息发布平台。申请澎湃号请用电脑访问。